思路
对每个测试对 (u, i)，按以下优先级产生预测：
- 命中原始评分：若训练集中存在该
(u,i) 的真实评分，直接返回该分数。
- 用户均值：否则，若用户
u 有其他历史评分，则返回其历史评分均值。
- 全局均值：否则（冷启动用户），返回训练集全局均值。
最后将结果四舍五入为两位小数（正数域可用 floor(x*100+0.5)/100 实现“真正四舍五入”），并截断到 [1.00, 5.00]，以两位小数的字符串输出（含末尾 0）。
P3588.第2题-评分预测
题目内容
请在仅使用 numpy/pandas 的前提下，实现一个 Deterministic User−Mean Baseline 用于评分预测。
对给定 (user,item) 测试对，输出预测评分(保留 2 位小数)。
算法要求简单却体现推荐系统常见的缺失值填补/冷启动逻辑。
预测规则
1.若用户 u 在训练集中已评价 item i
2.否则若用户 u 有其他历史评分
3.否则(冷启动用户)
4.结果四舍五入保留 2 位小数，以字符串形式输出，限定区间 [1.00,5.00]
备注：训练集中不会出现重复的 (user,item) ，评分均在 1−5 间。
输入描述
输入格式
{
"train":[[user_id,item_id,rating],...],
"test":[[user_id,item_id],...]
}
输出描述
单行 JSON 数组：[“3.00",“3.00”,“3.50”]
补充说明
1.为了确保通过测试用例，仅允许使用 Numpy 与 Pandas 库实现
2.测试集不用于更新该推荐系统
样例1
输入
{"train":[[1,1,5],[1,2,3],[2,1,4],[2,2,2]],"test":[[1,2],[2,3],[3,1]]}
输出
["3.00","3.00","3.50"]
